渐进式 Retinex：用于低光照图像增强的照度与噪声互增强感知网络
图像与视频处理
2019-11-27 v1 计算机视觉与模式识别
摘要
对比度增强与噪声去除是低光照图像增强中相互耦合的问题。现有的基于 Retinex 的方法未考虑这一耦合关系，导致增强图像出现欠平滑或过平滑现象。为解决该问题，本文提出一种新颖的渐进式 Retinex 框架，其中低光照图像的照度与噪声以互增强方式被感知，从而得到降噪的低光照增强结果。具体而言，设计了两个全逐点卷积神经网络分别建模环境光与图像噪声的统计规律，并将其作为约束以促进互学习过程。所提方法不仅抑制了微小纹理与图像噪声之间模糊性引起的干扰，还大幅提升了计算效率。此外，为解决训练数据不足的问题，我们提出一种基于相机成像模型的图像合成策略，生成受照度相关噪声污染的颜色图像。在合成与真实低光照图像上的实验结果表明，我们提出的方法优于当前最先进（SOTA）的低光照增强方法。
引用
@article{arxiv.1911.11323,
title = {Progressive Retinex: Mutually Reinforced Illumination-Noise Perception Network for Low Light Image Enhancement},
author = {Yang Wang and Yang Cao and Zheng-Jun Zha and Jing Zhang and Zhiwei Xiong and Wei Zhang and Feng Wu},
journal= {arXiv preprint arXiv:1911.11323},
year = {2019}
}
备注
The 27th ACM International Conference on Multimedia (MM'19)